Att mäta effekterna av Energimyndighetens stöd till FoU

5.3.1

Energimyndigheten finansierar grundläggande och tillämpad forskning, utvecklings- och demonstrationsverksamhet samt kommersialisering för att bidra till att nå Sveriges klimat- och energimål. Mellan 2003 och 2014⁸² betalades sammanlagt 4 346 miljoner kronor ut till 1 438 olika projekt inom myndighetens ramanslag för energiforskning, anslag 1:4, se Tabell 11.

Tabell 11 Antal projekt och utbetalat stöd 2003-2014

Projekttyp Antal

projekt Summa utbetalning (tusentals kronor)

Not: Enskilt projekt: Stöd till enskilda projekt utanför program.

Programprojekt: En stor del av den FoU-verksamhet som Energimyndigheten finansierar bedrivs i olika program. Programbunden forsknings- och utvecklingsverksamhet följer särskilda regler som är unika för varje program.⁸³

Medlemsavgifter: Fram till 2006 fanns möjlighet att söka stöd för att till exempel delta i internationella samarbetsorganisationer.

Planeringsbidrag: Stöd kan sökas för kostnaden för projektansökningar till EU-program med energirelevans. ⁸⁴

Källa: Copenhagen Economics baserat på data från Energimyndigheten.

Av detta stöd betalas nästan allt ut till aktiebolag, se Tabell 12. Dessa mottog 99 procent av stödet, eller 4 300 miljoner kronor. Denna grupp består i sin tur av både företag och olika forskningsinstitut. Ideella föreningar och stiftelser samt handelsbolag och kommanditbolag mottog 0,1 respektive 0,9 procent av stödet. För tre projekt saknas uppgifter om organisations-nummer. Stöd och lån betalas ut för en rad olika typer av projekt från anslag 1:4. Enligt ett utdrag från Energimyndighetens projektdatabas finns drygt 200 olika verksamhetsområdet för dessa projekt registrerade, till exempel forskning, affärs- och processutveckling samt

82 Data finns tillgängligt för åren 2003–14. I uppdraget specificeras att utvärderingen ska ske för åren 2005–11.

Vi redovisar data för samtliga år som data är tillgängligt.

83 https://www.energimyndigheten.se/forskning-och-innovation/forskning/soka-stod-och-rapportera/.

84 https://www.energimyndigheten.se/forskning-och-innovation/forskning/internationella-insatser/eu-program-for-energi/planeringsbidrag/.

internationellt samarbete. En lista över samtliga verksamhetsområden finns i Tabell 16 i Bilagan.

Tabell 12 Antal projekt och utbetalat stöd efter juridisk form 2003–14

Juridisk form Antal

projekt Summa utbetalning

(tusentals kronor) Andel av sammanlagda utbetalning

Aktiebolag 1430 4 300 483 99,0%

Ideella föreningar och stiftelser 3 3 100 0,1%

Handelsbolag, kommanditbolag och

enkla bolag 2 40 000 0,9%

Organisationsnummer saknas 3 2 341 0,1%

Summa 1 438 4 345 924 100%

Not: Den första siffran i organisationsnumret kallas gruppnumret och används för att identifiera juridisk form på företaget. Det går inte att helt säkert säga vilken företagsform som finns bakom ett organisationsnummer. För många företag och föreningar stämmer dock att gruppnummer 5 utgörs av aktiebolag, gruppnummer 8 av olika typer av ideella och ekonomiska föreningar, och gruppnummer 9 av handelsbolag och kommanditbolag.

Källa: Copenhagen Economics baserat på data från Energimyndigheten och Boverkets webbplats (http://www.bolagsverket.se/mg/blivande/starta/organisationsnummer-1.7902).

För att ge exempel på olika verksamhetsområden visas i Tabell 13 de tio verksamheter som har erhållit mest stöd. Dessa tio verksamhetsområden har erhållit närmare en tredjedel av det sammanlagda stödet som betalades ut mellan 2003 och 2014.⁸⁵ Utdraget visar att transportrelaterade projekt är överrepresenterade bland de största stödmottagande verksam-hetsområdena. I synnerhet har mycket finansiering gått till verksamhetsområdet ’Fordons-strategisk forskning och innovation’.

Tabell 13 Tio verksamhetsområden med mest mottaget stöd, 2003–14

Verksamhet Antal

projekt Utbetalt stöd

(miljoner kronor) Andel samman-lagt stöd FFI – Fordonsstrategisk Forskning

och innovation 178 595 13,7%

Biodrivmedel demonstrationsinsatser 2 302 3,7%

Affärsutveckling Elproduktion/kraft 19 185 2,4%

El- och hybridfordon 2 163 2,1%

STFI 19 158 2,1%

Massa-/pappersindustrin 27 139 1,9%

Biodrivmedel/transporter 30 107 1,5%

Demonstrationsprogram för Elfordon 44 98 1,4%

Etanolprogrammet 18 89 1,3%

Affärsutveckling Industri 20 88 1,3%

Summa 359 1 924 31,4%

Källa: Copenhagen Economics baserat på data från Energimyndigheten

Stöd inom anslag 1:4 kan bland annat sökas för att finansiera insatser som syftar till att göra företagens processer mer energieffektiva. Vi väljer att kalla sådant stöd ”intern energieffektiviserande processutveckling” i resten av denna rapport. Föremålet med denna

85 Exempel på projekt inom detta verksamhetsområde är ”Forskning, utveckling och industrialiseringsstudie av elbil för stadstrafik med hög marknadspotential”, ”Effektiv parameterskattning för katalysatormodeller” och

studie är att avgöra om det är möjligt att utvärdera om detta stöd bidrar till att öka energi-effektiviteten i mottagarföretag.

Effekt på energianvändning kan mätas med ekonometriska metoder 5.3.2

Stöd till utveckling av företagens interna processer är ett sätt som Energimyndighetens stödutbetalningar inom anslag 1:4 kan påverka omställningen till energieffektivare processer i näringslivet. Stödet kan också bidra till en sådan omställning genom att finansiera utveckling av produkter som sedan tas upp av marknaden och på så sätt effektiviserar processer inom andra företag. Inom ramen för detta uppdrag fokuserar vi dock på hur stöd kan påverkar intern energieffektiviserande processutveckling.

Med hjälp av ekonometriska metoder är det möjligt att undersöka om det finns ett statistiskt samband mellan förändringar i mottagarföretagens energianvändning och stöd till energieffektivisering. Att visa på ett korrelationssamband innebär inte nödvändigtvis att det går att dra slutsatsen att det även finns ett kausalt samband, eller orsakssamband, mellan förändringar i energianvändning och stödutbetalning. För detta krävs i bästa fall en randomiserad studie där en slumpmässigt utvald grupp företag mottar stöd, som jämförs med en kontrollgrupp som inte mottar stöd. Det är dock möjligt att utforma en studie som kan likna en randomiserad studie, genom att jämföra mottagarföretagens energianvändning med likvärdiga företag som inte mottagit stöd och kontrollera för så många faktorer som möjligt. I Box 4 beskrivs hur en sådan studie kan gå till.

Box 4

Exempel på möjliga studier

Ekonometriska metoder kan användas för att mäta effekter av forsknings- och utvecklingsprogram.

En ekonometrisk studie av detta samband går ofta ut på att testa en hypotes eller svara på en fråga av typen som undersöks i detta uppdrag, till exempel ”Leder stöd för FoU från Energimyndigheten till lägre energianvändning för de företag som tar emot stöd?”, eller ”Vilken effekt har FoU-stöd på mottagarföretags energianvändning?”.

För att ekonometrisk studie ska kunna mäta sådana resultat ställs höga krav på data. Datainsamling är ofta svårt och tidskrävande och är ofta en anledning till att studier inte kan genomföras då befintlig data kan vara otillräcklig, eller saknas helt. För när data är på plats kan en ekonometrisk modell utvecklas som sedan tillämpas på data, innan resultaten kan tolkas.

Syftet med detta uppdrag är att testa sambandet mellan energieffektivisering och mottaget FoU-stöd. Sambanden mellan produktion och energianvändning är intuitivt logiskt och sambandet ligger bakom en vanlig specifikation av produktionspunkter som säger att produktionen av varor beror på insatser av arbete, kapital och energi:

𝑌 = 𝐴𝐾^𝛼𝐿^𝛽𝐸^𝛾

Denna funktion, som kallas Cobb-Douglasproduktionsfunktion, säger att mängden producerade varor (eller värdet av producerade varor), Y, i exempelvis ett företag, en sektor eller ett land, är en produkt av mängden kapital, K, arbetskraft, L, och energi, E, som företaget använder i sin produktionsprocess, samt faktorproduktivitet, A, som tar hänsyn till att olika produktionsenheter (företag, sektor, land) är olika effektiva när insatsvaror omvandlas till produkter. Sambandet mellan insatsvaror och produktions bestäms av elasticiteterna α, β, och γ. Dessa visar hur mycket

produktionen ändras när man ändrar mängden av insatsvaran.

Det finns med andra ord en relation mellan produktionen av varor och tjänster och

energi-användning. För att testa detta samband behövs data för produktionsvolymer, energianvändning och de andra variablerna som uttrycks ovan (faktorproduktivitet kan dock uppskattas av modellen). Vi har tillgång både till tvärsnittsdata och tidsseriedata över mottaget stöd och en rad företagsspecifika variabler såsom energikostnader, investeringskostnader. Vi har tillgång till data på variation i dessa variabler både mellan företag (tvärsnittsdata) och inom företag över tid (tidsseriedata). Detta kallas även för paneldata och det finns flera olika typer av modeller som kan användas för att analysera paneldata.

Förutsatt att det går att identifiera vilka företag som har fått stöd för energieffektiviserande åtgärder kan åtminstone två olika typer av modeller användas för att undersöka om FoU-stöd leder till energi-effektivisering. Vi presenterar dels en fixed effects-modell och dels en difference-in-difference-modell i kombination med matchning.

I en fixed-effects-modell (FE-modell) kan man kontrollera för förändringar över tid för varje företag och även för skillnader mellan företag. Energianvändningen för företag i vid tidpunkt t i en sådan modell ges av:

𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒ä𝑒𝑛𝑒𝑒𝑒𝑒_𝑖𝑖= 𝛼 + å𝑒_𝑖+ 𝐀^′_𝒊𝛾 + 𝐗_𝑖𝑖^′𝛽 + 𝜌𝐷_𝑖𝑖 Denna modell säger att energianvändningen i företag i under tidpunkt t beror på α: en konstant

årt: en årsvariabel som kan kontrollera för exempelvis teknisk utveckling Ai: en vektor av företagsspecifika egenskaper som inte varierar över tid Xit: en vektor av företagsspecifika egenskaper som varierar över tid

Dit: en post-treatment-dummy som sätts till 0 för år innan företaget mottagit stöd och 1 för åren efter företaget mottagit stöd.

Vektorn Ai består av både observerade företagsspecifika egenskaper (t.ex. geografisk hemvist, näringslivsbransch) och oobserverade företagsspecifika egenskaper (t.ex. företagsledningens miljö-medvetenhet) som kan förklara skillnader i energianvändning och som inte varierar över tid. Vektorn Bit består av företagsspecifika egenskaper som varierar över tid, till exempel produktionsvolymer och investeringar. Variabeln Dit antar värdet 0 för tidpunkter före stöd betalas ut och 1 för perioder efter stöd betalas ut.

Modellen uppskattar energianvändningen i företag i vid tidpunkt t givet de variabler som beskrivs ovan. Genom att testa om koefficienten ρ är signifikant skild från noll kan vi avgöra om stöd-utbetalningar har en effekt på energianvändningen. Detta kan även kompletteras med modeller med laggade versioner av Dit (alltså, hur stor är energianvändningen i tidpunkt t givet att företaget mottog stöd vid en tidigare tidpunkt t-n). Slutligen skulle man även kunna kontrollera för storleken på betalningen.

Med hjälp av en FE-modell är det möjligt att testa om det föreligger ett korrelationssamband mellan utbetalat stöd och energianvändningen. Ett vanligt problem med den här typen av studier där individer tar emot en ”behandling” (behandling i det här fallet kan vara att pröva en ny medicin, delta i en viss typ av utbildning, eller i det här fallet söka stöd för energieffektivisering) är dock att det finns bakomliggande faktorer som påverkar både företagens benägenhet att genomgå behandling och resultatet av behandlingen. Ett exempel är om det sker själv-selektion till

behandlingen. Med det menas att de som genomgår en behandling är de som själva tror att de skulle gagnas av det. I det här fallet skulle det innebära att företag som ansöker om stöd för intern energieffektiviserande processutveckling tror sig skulle ha större nytta av det än de som inte söker.

Dessa företag utgör därmed inte ett representativt urval av företag. Effekten av mottaget stöd riskerar därför att överskattas. Detta är ett problem om man vill kunna dra slutsatser om hur stor effekten av stödutbetalningar på energianvändningen är.

Detta problem skulle lösas om man genomföra en randomiserad studie, där stödutbetalningar till företag tilldelades slumpmässigt. Detta är förstås inte praktiskt möjligt, men det finns olika så kallade kvasiexperimentella metoder som försöker utnyttja situationer där tilldelningen av stöd liknar en randomiserad studie. En förutsättning för att detta ska lyckas är att alla faktorer som kan tänkas påverka företagens energianvändning kontrolleras för. I FE-modellen ovan jämför vi hur olika företags energianvändning förändras som ett resultat av stödutbetalning. De innebär att vi jämför utvecklingen av energianvändningen i företag som mottagit stöd med alla andra företag. Istället kan man jämföra de företag som har fått stöd, med en grupp företag som liknar stödmottagande företag i så stor utsträckning som möjligt. På så sätt kan man försöka eliminera dessa skillnader.

Ett sätt att göra detta på är att para ihop företag genom en matchningsprocess där företag som har mottagit stöd matchas med liknande företag som inte har mottagit stöd och sedan undersöka skillnaden mellan dessa par för att avgöra om det finns någon skillnad i energianvändningen före och efter stödutbetalningen. Denna jämförelse görs lämpligast med en difference-in-difference-modell.

Matchning är ett sätt att försöka ta hänsyn till de egenskaper hos olika individer som avgör om de deltar i en behandling eller inte. På så sätt försöker man komma till rätta med bakomliggande faktorer som kan snedvrida effektberäkningar. Enkelt uttryckt uppskattar man sannolikheten att en individ deltar i en behandling givet en rad variabler. För företag som tar emot stöd för FoU kan det till exempel röra sig om bransch, tidigare investeringar, eller liknande. Varje individ tilldelas sedan ett värde (propensity score) som visar sannolikheten för deltagande. Det finns olika sätt att tilldela detta värde som olika mjukvarupaket ofta har inbyggda funktioner för att tillämpa. På detta sätt får man par som har liknande propensity score, där en individ har genomgång behandlingen och den andra inte har det. Observationer som inte har matchats sorteras bort. På så sätt har man skapat en kontrollgrupp till behandlingsgruppen.

Det går bra att jämföra den genomsnittliga behandlingseffekten mellan dessa grupper för att få en uppfattning om exempelvis energianvändningen skiljer sig åt mellan företag som har tagit emot stöd och de som inte har det. Vill man jämföra utvecklingen över tid kan man tillämpa en difference-in-difference-modell (DD-modell) som jämföra skillnaden i utvecklingen av en variabel för två jämför-bara grupper. I det här fallet skulle vi jämföra skillnaden i utvecklingen av energianvändningen (i förhållande till produktionsvolymer) i företag som har mottagit stöd jämfört med företag som inte har mottagit stöd. Proceduren i DD-modellen liknar den som beskrevs i FE-modellen, men nu jämför vi kontroll- och behandlingsgrupp istället för individuella företag.

En DD-modell beskrivs enklast av figuren nedan där den horisontella axeln representerar tidpunkten för stödutbetalningen så att stöd betalas ut vid tidpunkt t. De heldragna linjerna visar företagens faktiska energianvändning i detta stiliserade exempel. Förutsatt att dessa följer samma trend för energianvändningen fram till tidpunkt t kan man anta att denna trend hade fortsatt även efter tidpunkten för stödutbetalningen så att stödmottagande företagens energianvändning hade följt den heldragna linjen om de inte mottagit stöd. Skillnaden mellan denna antagna trend och den

observerade energianvändningen kan då tolkas som effekten av stödutbetalningen.

Figur 28 Diff-in-diff-illustration

Källa: Ruegg, R. & Jordan, G. (2007), Overview of Evaluation Methods for R&D Programs. Rapport åt U.S. Department of Energy, Office of Energy Efficiency and Renewable Energy; Angrist, J.D. &

Pischke, J.-S. (2009), Mostly Harmless Econometrics; Hassler, J., et al. (2012), Energy-saving Technical Change. NBER Working Paper.

Databehov för en ekonometrisk studie 5.3.3

För att genomföra en ekonometrisk studie krävs data över stödutbetalning, energi-användning, och andra ekonomiska och strukturella data för företagen, till exempel produktionsvärde, investeringar, antal anställda, näringslivsbransch, och företagsform.

Data över stödutbetalning hämtas från Tillväxtanalys mikrodatabas över statligt stöd till näringslivet (MISS); en databas över de statliga stöd till näringslivet som myndigheter,

statliga bolag och stiftelser lämnar.⁸⁶ Data över energikostnader och andra ekonomiska data hämtas från Tillväxtanalys Individ- och företagsdatabas (IFDB).⁸⁷

MISS och IFDB är sammanlänkade genom löpnummersatta organisationsnummer för företag. Genom att summera utbetalat stöd för varje företag ett givet år (vissa företag mottog stöd för fler än ett projekt per år) kan data över utbetalat stöd kombineras med företagsdata från IFDB.

Data är inte tillräckligt bra för att kunna undersöka sambandet 5.3.4

Med hjälp av befintliga data är det dock inte möjligt att undersöka om det finns en korrelation mellan utbetalt stöd och energieffektivisering.

Detta beror på att MISS inte innehåller tillräckligt med information om vilka

stöd-utbetalningar som har gått till intern energieffektiviserande processutveckling. Detta beror i sin tur på två saker:

1. Energimyndigheten rapporterar inte in tillräckligt med data till MISS för att kunna genomföra en sådan studie; vilket till stor del beror på att…

2. …dessa data inte existerar. Energimyndigheten klassificerar inte projekt baserat på huruvida de används till intern energieffektiviserande processutveckling.

För att möjliggöra en kvantitativ utvärdering av Energimyndighetens stödinsatser hade myndigheten behövt komplettera sin datainsamling med uppgifter om huruvida stödet används till intern processutveckling. Dessa mikrodata kan alternativt samlas in på annat sätt och kopplas till de löpnummersatta organisationsnummer som används i Tillväxtanalys databaser MISS och IFDB.

I nästa kapitel beskriver vi dessa problem mer ingående.

5.4 Datakrav för att kunna genomföra analys

Med hjälp av den statistik som finns tillgänglig i MISS är det inte möjligt att genomföra en kvantitativ analys av sambandet mellan utbetalt stöd till energieffektiviserande FoU-projekt och energianvändningen i de företag som mottagit stöd. Detta beror på att MISS innehåller för lite information om de olika stödtyperna, vilket i sin tur beror på att dessa data inte rapporteras in av Energimyndigheten till MISS.

MISS mikrodata 5.4.1

För att kunna använda data i MISS för att genomföra en utvärdering med kvantitativa metoder av Energimyndighetens stöd till energieffektivisering behöver de data som beskrivs i ovanstående avsnitt rapporteras in till databasen. I MISS finns bland annat information om:

•

Organisationsnummer (löpnummersatt)

•

Projektnummer (löpnummersatt)

•

Kod som identifierar under vilken förordning i EU:s bestämmelser som statsstöd som stödet utbetalats (EUEnkat)

86 Se Tillväxtanalys (2012), Mikrodatabas över statligt stöd till näringslivet. PM 2012:06.

87 Data över energikostnader som rapporteras in till IFDB kommer från SCB:s undersökning Industrins energianvändning. Detta är en undersökning som går ut till de 10 000 största företagen i Sverige. Denna cut-off innebär att arbetsställen med fler än ungefär 10 anställda svarar på undersökningen.

•

Budgetår

•

Ansökningsdatum

•

Beviljat belopp

•

Utbetalt belopp

Ett utdrag ur MISS, som dock inte visar samtliga variabler⁸⁸, finns i Figur 29.

Figur 29 Utdrag ur MISS

Not: Variabeln EUEnkat innehåller fyra olika koder som är olika stödnummer. Stödnumren N561/2007 och N712/1997 motsvarar stöd som betalats ut inom anslag 1:4.

Källa: Tillväxtanalys

För att kunna genomföra en kvantitativ studie hade dessa observationer behövt kvalificeras med information om vilket typ av projektet stödet betalats ut till. Regeringen har redan har uppmärksammat detta och i sitt regleringsbrev till Energimyndigheten gett i uppdrag att utveckla inrapporteringen av data till MISS, se Box 5.

Box 5

Energimyndighetens uppdrag om uppgifter om företagsstöd

”För att säkerställa framtida förutsättningar för effektutvärderingar ska Statens energimyndighet noggrant dokumentera och samla in uppgifter till Myndigheten för tillväxtpolitiska utvärderingar och analyser (Tillväxtanalys) mikrodatabas för statligt företagsstöd (MISS) som möjliggör utvärderingar av åtgärder och dess effekter. Med detta avses data som gör det möjligt att med exakthet svara på de utvärderingsmässigt mest relevanta vem, vad och när-frågorna. Detta kräver bland annat identifiering av yttersta stödmottagare genom uppgift om företagets organisationsnummer. Statligt stöd som omfattas av de rapporteringsskydligheter [sic] som följer av EU-rätten regleras särskilt.

Utöver detta ska uppgifterna även omfatta annat stöd om detta lämnas med offentliga medel till näringsverksamhet eller högskolor och forskningsinstitut. Data ska inrapporteras till Tillväxtanalys.”

Källa: Energimyndighetens regleringsbrev 2015 (http://www.esv.se/Verktyg--stod/Statsliggaren/Regleringsbrev/?RBID=16658).

I samband med detta vore det användbart om datainsamling och inrapportering till miss anpassades för att möjliggöra en kvantitativ analys av typen som beskrivs i detta uppdrag.

I så fall måste Energimyndighetens behandling av projektinformation förändras enligt nästa avsnitt.

88 Det finns även information om ansökningsdatum, datum för tilldelningsbeslut, organisationsnummer samt

Identifikation av stödärenden som går till intern 5.4.2

energieffektiviserande processutveckling

Det är inte möjligt att avgöra vilka stödärenden somt går till intern energieffektiviserande processutveckling. Det beror på att Energimyndigheten inte registrerar om stöd går till att finansiera sådana projekt. De data som samlas in finns i energimyndighetens projektdatabas.

Denna innehåller bland annat information om:⁸⁹

•

Projektnummer

•

Projekttitel

•

Projekttyp

•

Programområde

•

Program

•

Organisation

•

Organisationsnummer

•

Verksamhetsområde

•

Budgetår

•

Utbetalt belopp

Det finns fyra möjliga sätt att avgöra om stöd gått till intern energieffektiviserande processutveckling: projekttitel, programområde, program och verksamhetsområde. Inget av dessa sätt möjliggör att man på ett systematiskt sätt kan avgöra identifiera vilka projekt som mottagit stöd för intern energieffektiviserande projektutvärdering.

Variabeln ”Verksamhet” klassificerar utbetalningar baserat på de 211 olika verksamhets-områden som återfinns i Tabell 16. Några verksamhetsverksamhets-områden som, baserat på sina namn, skulle kunna innehålla intern energieffektiviserande processutveckling är:

•

”Effektivare elanvändning” (4 projekt, 22 miljoner kronor)

•

”Energianv i ind allm” (4 projekt, 5,4 miljoner kronor

•

”Energianv Ind Proc” (1 projekt, 0,3 miljoner kronor)

•

”Energianv.i.ind.övrigt” (1 projekt, 0,2 miljoner kronor)

•

”Industriella processer” (23 projekt, 34 miljoner kronor)

Inom dessa fem verksamhetsområden finns 33 projekt som mottagit stöd på sammanlagt 61 miljoner kronor. Inom verksamhetsområdet ”Industriella processer” mottog Nordkalk AB stöd för ett projekt som syftar till intern energieffektiviserande processutveckling (se Box 6), 21,7 miljoner kronor av totalt 33,6 miljoner kronor till forskningsprojekt som drivs av SP Sveriges Tekniska Forskningsinstitut och Swerea, två forskningsinstitut. Inom

In document Forskning och innovation för omställning av energisystemet (Page 141-152)